文献类型：期刊文章

作　　者：周珂[1,2] 杨永清[1,2] 张俨娜[3] 苗茹[1,2] 杨阳[1,2] 柳乐[1,2]

ZHOU Ke;YANG Yong-qing;ZHANG Yan-na;MIAO Ru;YANG Yang;LIU Le(College of Computer and Information Engineering, Henan University, Kaifeng 475004, China;Henan Key Laboratory for Big Data Analysis and Processing, Henan University, Kaifeng 475004, China;Laboratory and Equipment Management Office of Henan University, Kaifeng 475004, China)

机构地区：[1]河南大学计算机与信息工程学院,开封475004 [2]河南大学河南省大数据分析与处理重点实验室,开封475004 [3]河南大学实验室与设备管理处,开封475004

出　　处：《科学技术与工程》

基　　金：河南省科技攻关项目(202102210381);开封市重大科技专项(18ZD007);开封市科技攻关项目(2001001)。

年　　份：2021

卷　　号：21

期　　号：32

起止页码：13603-13613

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向。

关 键 词：土地利用分类 光学遥感影像  监督分类  非监督分类 深度学习  

分 类 号：P237]